عند إنشاء نماذج تنبؤية للإشارات المالية ، يتخلف معظمنا عن مقاييس مثل RMSE أو MAE. هذه مفيدة ، لكنها يمكن أن تفوت السؤال الأساسي الذي يقود العديد من الاستراتيجيات: هل حصل النموذج على اتجاه السوق الصحيح؟ هذا هو المكان الذي تأتي فيه دقة الاتجاه (DA). التعريف: يقيس DA النسبة المئوية للمرات التي يتنبأ فيها النموذج بشكل صحيح بما إذا كانت القيمة ستتحرك لأعلى أو لأسفل بالنسبة للملاحظة الأخيرة. رسميا: DA = (1 / N) * Σ_t علامة (A_t - A_{t-1}) * علامة (I_t - A_{t-1}) هنا ، A = القيمة الفعلية ، I = الاستدلال ، N = عدد التنبؤات ، وتشير الحروف السفلية إلى الخطوات الزمنية. ما أهمية ذلك: • RMSE ≠ أداء التداول. يمكن للنموذج أن يقلل من الخطأ ولكنه يفتقد باستمرار علامة تغيرات الأسعار ، مما يؤدي إلى نتائج سيئة. • الاتجاه يقود القرارات. بالنسبة لاستراتيجيات الاختيار الجانبي (الطويل مقابل القصير ، والمخاطرة مقابل المخاطرة) تعتمد الربحية بشدة على صحة المكالمة ، ناهيك عن حجم الخطأ. • ترتبط القيمة الاقتصادية بجدول أعمال التنمية. حتى التحسينات الصغيرة التي تزيد عن 50٪ DA يمكن أن تخلق ميزة ذات مغزى عند تضاعفها على العديد من الصفقات. التفسير في الممارسة: • 50٪ = ميزة ذات دلالة إحصائية في الأسواق الصاخبة. • 55-60٪ = عالية الأداء ، نادرة في البيانات المالية في العالم الحقيقي. • 60٪ + = الاستعداد للتقاعد مبكرا. بالنسبة لمنشئي نماذج Forge ، يعد تحسين دقة الاتجاه (DA) مناسبا بشكل خاص لموضوعات إرجاع السجل ، حيث تضع وظيفة الخسارة وزنا إضافيا على التنبؤ بالعلامة الصحيحة للعوائد. على الرغم من أن الشبكة لا تسجل المشاركين فقط على DA ، إلا أن بعض وظائف الخسارة مصممة لتقدير صحة الاتجاه أكثر من المعتاد. في هذه الحالات ، فإن النماذج التي غالبا ما "تحصل على العلامة الصحيحة" ستعمل بشكل أفضل في ظل نظام التسجيل ، وبالتالي تساهم بشكل أكبر في الذكاء الجماعي للشبكة. هذا يعزز استراتيجيات المصب في التداول ، والتحوط من التقلبات ، والتنفيذ الاستباقي للتمويل اللامركزي ، دون المبالغة في تبسيط التقييم ل DA وحده. أثناء تحسين النماذج في Forge ، فكر فيما وراء RMSE. غالبا ما تكون دقة الاتجاه هي المقياس الذي يحدد ما إذا كانت مساهمتك تصبح جزءا من استراتيجية رابحة على السلسلة. ابدأ في Forge: